Ultralytics YOLO11 ist da! Entdecke neue Möglichkeiten mit KI!

Wir freuen uns, die nächste Entwicklungsstufe der Ultralytics-Modelle vorzustellen: YOLO11! Aufbauend auf den beeindruckenden Fortschritten früherer YOLO-Modellversionen bietet YOLO11 zahlreiche leistungsstarke Funktionen und Optimierungen, die das Modell schneller, genauer und äußerst vielseitig machen. YOLO11 wurde auf der YOLO Vision 2024 (YV24) angekündigt, dem jährlichen hybriden Treffen von Ultralytics für KI-Expertinnen und -Experten, Innovatorinnen und Innovatoren sowie Entwicklerinnen und Entwickler. Als neues Mitglied der Ultralytics-Familie (inzwischen durch Ultralytics YOLO26 abgelöst) wird das Modell neue Möglichkeiten für Computer Vision eröffnen.

Dank seiner innovativen Architektur lässt sich Ultralytics YOLO11 für verschiedene Computer-Vision-Aufgaben einsetzen – von der Objekterkennung in Echtzeit bis zur Klassifizierung. Damit ist es eine praktische Wahl für Entwicklerinnen und Entwickler sowie Forschende. Zu den wichtigsten Verbesserungen gehören eine leistungsfähigere Merkmalsextraktion für eine genauere Erfassung von Details, höhere Genauigkeit mit weniger Parametern und schnellere Verarbeitung, die die Echtzeitleistung deutlich verbessert. In diesem Artikel sehen wir uns genauer an, welche Eigenschaften YOLO11 auszeichnen und wie das Modell deine Computer-Vision-Anwendungen verändern kann.

Abb. 1: Glenn Jocher kündigt Ultralytics YOLO11 auf der Bühne der YOLO Vision 24 an.

Ultralytics YOLO11 kennenlernen#

YOLO11 schlägt ein neues Kapitel für die YOLO-Familie auf und bietet ein leistungsfähigeres und vielseitigeres Modell, das Computer Vision auf ein neues Niveau hebt. Dank seiner verfeinerten Architektur und erweiterten Fähigkeiten unterstützt das Modell Computer-Vision-Aufgaben wie Posenschätzung und Instanzsegmentierung, die der Vision-AI-Community an Ultralytics YOLOv8 so gut gefallen haben – nun jedoch mit noch höherer Leistung und Genauigkeit. Glenn Jocher, Gründer und CEO von Ultralytics, erklärte: „Mit YOLO11 wollten wir ein Modell entwickeln, das sowohl leistungsstark als auch praxistauglich ist. Durch seine höhere Effizienz und Genauigkeit ist es ein robustes Werkzeug, das sich an die besonderen Herausforderungen verschiedener Branchen anpassen lässt. Ich bin gespannt darauf, wie die Vision-AI-Community YOLO11 einsetzen wird, um innovative Lösungen zu entwickeln und Computer Vision auf die nächste Stufe zu heben.“

Abb. 2. Glenn Jocher auf der Bühne bei der Ankündigung von Ultralytics YOLO11 auf der YV24.

Hier ein Überblick über die Computer-Vision-Aufgaben, die Ultralytics YOLO11 unterstützt:

• Objekterkennung: Erkennt und lokalisiert Objekte in Bildern oder Videobildern und zeichnet Begrenzungsrahmen um sie. Anwendungsbereiche sind etwa Überwachung, autonomes Fahren und Analysen im Einzelhandel.
• Instanzsegmentierung: Dabei werden einzelne Objekte in einem Bild bis auf Pixelebene erkannt und voneinander abgegrenzt. Sie eignet sich für Anwendungen wie die medizinische Bildgebung und die Fehlererkennung in der Fertigung.
• Bildklassifizierung: Ordnet ganze Bilder vordefinierten Klassen zu und eignet sich damit ideal für Anwendungen wie die Produktkategorisierung im E-Commerce oder die Überwachung von Wildtieren.
• Posenschätzung: Erkennt bestimmte Schlüsselpunkte in einem Bild oder Videobild, um Bewegungen oder Posen nachzuverfolgen. Das ist nützlich für Fitness-Tracking, Sportanalysen und Anwendungen im Gesundheitswesen.
• Erkennung orientierter Objekte (OBB): Erkennt Objekte mit einem Orientierungswinkel und ermöglicht so eine genauere Lokalisierung gedrehter Objekte. Das ist besonders wertvoll für Luftaufnahmen, Robotik und die Automatisierung von Lagerhallen.
• Objektverfolgung: Überwacht und verfolgt die Bewegung von Objekten über aufeinanderfolgende Videobilder hinweg und ist damit für viele Echtzeitanwendungen unverzichtbar.

Abb. 3. Von Ultralytics YOLO11 unterstützte Computer-Vision-Aufgaben.

Was zeichnet Ultralytics YOLO11 aus?#

YOLO11 baut auf den Fortschritten auf, die Anfang dieses Jahres mit YOLOv9 und YOLOv10 eingeführt wurden, und umfasst verbesserte Architekturentwürfe, erweiterte Techniken zur Merkmalsextraktion und optimierte Trainingsmethoden. Was YOLO11 besonders auszeichnet, ist die beeindruckende Kombination aus Geschwindigkeit, Genauigkeit und Effizienz, die es zu einem der leistungsfähigsten Modelle macht, die Ultralytics bisher entwickelt hat. Dank des verbesserten Designs bietet YOLO11 eine bessere Merkmalsextraktion. Dabei werden wichtige Muster und Details in Bildern erkannt, sodass selbst in schwierigen Situationen komplexe Aspekte präziser erfasst werden.

Bemerkenswert ist, dass YOLO11m auf dem COCO-Datensatz einen höheren Wert für die mittlere Average Precision (mAP) erzielt und dabei 22 % weniger Parameter als YOLOv8m verwendet. Das Modell benötigt dadurch weniger Rechenleistung, ohne Abstriche bei der Leistung zu machen. Es liefert also genauere Ergebnisse und ist zugleich effizienter im Betrieb. Darüber hinaus verarbeitet YOLO11 Daten schneller: Die Inferenz dauert etwa 2 % weniger lang als bei YOLOv10. Damit eignet sich das Modell ideal für Echtzeitanwendungen.

Abb. 4. Objekterkennung mit Ultralytics YOLO11.

Das Modell ist für komplexe Aufgaben ausgelegt, geht dabei sparsamer mit Ressourcen um und soll die Leistung großer Modelle verbessern. Damit eignet es sich gut für anspruchsvolle KI-Projekte. Verbesserungen an der Augmentierungspipeline haben auch den Trainingsprozess optimiert und erleichtern Ultralytics YOLO11 die Anpassung an verschiedene Aufgaben – ganz gleich, ob du an kleinen Projekten oder umfangreichen Anwendungen arbeitest.

YOLO11 ist besonders ressourcenschonend und eignet sich für die Bereitstellung sowohl in der Cloud als auch auf Edge-Geräten. Dadurch lässt sich das Modell flexibel in unterschiedlichen Umgebungen einsetzen. Kurz gesagt: YOLO11 ist nicht nur ein Upgrade, sondern ein deutlich genaueres, effizienteres und flexibleres Modell, das für vielfältige Herausforderungen im Bereich Computer Vision besser gerüstet ist. Ob autonomes Fahren, Überwachung, medizinische Bildgebung, intelligenter Einzelhandel oder industrielle Anwendungen – YOLO11 eignet sich für nahezu jeden Computer-Vision-Anwendungsfall.

Ultralytics YOLO11 ist für deine Systeme und Plattformen bereit#

Ultralytics YOLO11 lässt sich so konzipieren, dass es sich in die Systeme und Plattformen integrieren lässt, die du bereits nutzt. Aufbauend auf der Unterstützung von YOLOv8 ist YOLO11 mit einer Vielzahl von Umgebungen für Training, Tests und Bereitstellung kompatibel. Ob du mit NVIDIA-GPUs oder Edge-Geräten arbeitest oder Modelle auf Cloud-Plattformen bereitstellst – YOLO11 ist auf die Einbindung in deinen Arbeitsablauf optimiert.

Diese Integrationen sind nützliche Erweiterungen, durch die sich YOLO11 an verschiedene Branchen anpassen lässt und Unternehmen das Modell problemlos in ihre bestehenden Prozesse einbinden können. Angenommen, du möchtest YOLO11 in der Landwirtschaft zur Überwachung von Nutzpflanzen einsetzen. Vielleicht musst du das Modell auf Drohnen bereitstellen, um den Zustand der Pflanzen in Echtzeit auf großen Feldern zu erkennen. In der Sicherheitsbranche bevorzugst du dagegen möglicherweise YOLO11 in Verbindung mit einem cloudbasierten System, um mehrere Kamerabilder auf Objekte zu überwachen.

Abb. 5. Einsatz von Ultralytics YOLO11 in der Landwirtschaft.

Die KI-Community mit Ultralytics YOLO11 stärken#

Mit der Einführung von YOLO11 kann die Vision-AI-Community spannende Fortschritte erwarten. Dank seiner höheren Genauigkeit und Effizienz hat das neue Modell das Potenzial, bestehende Anwendungen zu verändern und neue zu ermöglichen. Ein wichtiger Faktor für diese Entwicklung ist Ultralytics HUB, das inzwischen durch die Ultralytics Platform ersetzt wurde. Ultralytics HUB ist eine benutzerfreundliche Plattform, die das Training und die Bereitstellung von YOLO-Modellen, einschließlich YOLO11, vereinfacht.

Abb. 6. Inferenz mit YOLO11 auf Ultralytics HUB.

Ultralytics HUB vereinfacht den Entwicklungsprozess: Nutzer können Datensätze hochladen, auf verschiedene vortrainierte Modelle zugreifen und ihre Projekte zentral verwalten. HUB unterstützt auch die Zusammenarbeit, sodass Teams problemlos gemeinsam an KI-Projekten arbeiten können. Hier sind einige weitere wichtige Funktionen von Ultralytics HUB:

• Cloud-Training: Ultralytics HUB bietet cloudbasiertes Modelltraining für Skalierbarkeit und Effizienz.
• Vortrainierte Modelle: Die Plattform bietet Zugriff auf verschiedene vortrainierte Modelle von YOLOv5, YOLOv8 und YOLO11.
• Modellexport: Trainierte Modelle lassen sich für die Bereitstellung in verschiedene Formate exportieren.
• Integrationen: Ultralytics HUB lässt sich in Plattformen wie Roboflow, Google Colab und Weights & Biases integrieren.
• Ausführliche Dokumentation: Ultralytics HUB bietet umfassende Anleitungen und häufig gestellte Fragen als Unterstützung für Nutzer.
• Unterstützung durch die Community: Eine aktive Discord-Community steht für Fragen und Diskussionen zur Verfügung.

Dank des intuitiven Designs von HUB können sowohl erfahrene Entwicklerinnen und Entwickler als auch Neueinsteiger schnell loslegen. Da immer mehr Entwicklerinnen und Entwickler Ultralytics YOLO11 über HUB nutzen, freuen wir uns darauf, viele weitere leistungsstarke Computer-Vision-Anwendungen zu sehen.

Ultralytics YOLO11 selbst ausprobieren#

Wie YOLOv8 kann auch YOLO11 über die Ultralytics Platform und das Ultralytics-Python-Paket ausprobiert werden. Du kannst dich bei der Ultralytics Platform anmelden oder in unserer Kurzanleitung nachlesen, wie du das Paket Schritt für Schritt installierst. Dort kannst du die Funktionen erkunden, mit verschiedenen Datensätzen experimentieren und sehen, wie YOLO11 in unterschiedlichen Szenarien abschneidet. Wir freuen uns darauf, wie sich die KI-Community an der Entwicklung von YOLO11 beteiligt – durch Beiträge, Feedback oder eigene Weiterentwicklungen.

Ob du als Entwickler bestehende Projekte optimieren möchtest oder neue Anwendungen entwickeln willst – dein Engagement kann Innovationen vorantreiben. Beteilige dich an Diskussionen, teile deine Erfahrungen und arbeite mit anderen zusammen, um das volle Potenzial von Ultralytics YOLO11 auszuschöpfen. Wir sind gespannt darauf, wie du mit YOLO11 reale Herausforderungen bewältigst und deine kreativen Ideen zum Leben erweckst!

Mit Ultralytics YOLO11 beginnt ein neues Kapitel#

Ultralytics YOLO11 ist der nächste Schritt bei Computer Vision und verbindet beeindruckende Genauigkeit, Geschwindigkeit und Effizienz. Das auf der YV24 angekündigte Modell eignet sich dank seiner fortschrittlichen Funktionen für vielfältige Echtzeitanwendungen – von autonomen Fahrzeugen bis hin zu Lösungen für den intelligenten Einzelhandel. Während die KI-Community beginnt, das Modell zu erkunden und einzusetzen, sind wir gespannt darauf, wie YOLO11 auf kreative Weise Innovationen vorantreibt und neue Möglichkeiten eröffnet. Wenn du die neuesten Fortschritte im Bereich KI erkunden möchtest, probiere YOLO11 aus und entdecke, wie es deine Computer-Vision-Projekte verbessern kann!

Wenn du mehr über KI erfahren möchtest, besuche unser GitHub-Repository und werde Teil unserer aktiven Community. Entdecke, wie KI Bereiche wie das Gesundheitswesen und die Landwirtschaft voranbringt.